Hallusinaatioiden vähentäminen suurten kielimallien laatimissa hoitosuosituksissa

Abstract

Tutkielman aihe on hallusinaatioiden vähentäminen suurten kielimallien tuottamissa hoitosuosituksissa. Ajankohtaisen aiheesta tekee alan nopea kehittyminen ja suurten kielimallien käytön yleistyminen. Työssä selvitettiin, mitä menetelmiä viime aikoina on kehitetty hallusinaatioiden vähentämiseksi ja miten niitä voisi hyödyntää terveydenhuollossa. Tutkielma on kirjallisuuskatsaus, jossa aineistoa haettiin pääasiassa Tampereen yliopiston Andor-tietokannasta sekä löydettyjen lähteiden viitteistä. Aineistona pyrittiin käyttämään tuoreita, vertaisarvioituja lähteitä. Tarkasteltuja menetelmiä olivat Chain of Thought (CoT) -promptaus, Retrieval-Augmented Generation (RAG) ja Retrieve and Rerank (RaR). Kaikki tutkielmassa läpikäydyt menetelmät vähensivät hallusinaatioita ja paransivat vastausten tarkkuutta. Keskeisin löydös oli kuitenkin se, että yhdistelemällä eri lähestymistapoja päästään parhaisiin lopputuloksiin. Tulosten perusteella voi päätellä, että hallusinaatioiden vähentämiseksi tulisi käyttää useampaa eri menetelmää eikä tukeutua vain yhteen. Erityisesti terveydenhuollossa tämä on tärkeää, sillä vastausten tarkkuudella ja laadulla on siellä suora vaikutus potilasturvallisuuteen.